基于事件的交易行为时空域分析

发布时间：2017-04-16 19:17

  本文关键词：基于事件的交易行为时空域分析，，由笔耕文化传播整理发布。

【摘要】：社会性网络不同于普通的静态网络,社会性网络中的网络结构伴随着时间变化而不断变化,一定程度上反映了真实世界的状况。股票交易量能够很好的反映群众对事件发生的现实反映,而股吧中的发帖量及发帖内容能很好的反映群体在网络虚拟世界里对事件的真实反映。然而,同一件事件的发生,群体在虚拟世界和现实世界的反映可能一致也可能不一致。本文最后针对两个世界行为是否有一致性也做了相关研究。本文着重研究基于事件现实世界中交易行为。对股票的日交易数据进行数据挖掘分析。由于股票交易时间序列具有非平稳,非线性等特征,所以要先对它进行分线段性表示。本文采用了基于特殊极值点将序列分线段表示。然后再进行异常检查,聚类等分析。异常检测采用的方法根据股票交易量的特性来检测的,主要根据分线的斜率来判断的。分别对每支股票的交易时间序列进行异常检测,分析出异常的时间段(点),同时得到异常序列的时间域。并且每支股票的异常都用一个事件函数来表示。由于股票交易时间序列具有伸缩性,聚类分析采用的是基于改进的动态时间弯曲(DTW)的聚类方法。股票交易时间序列中的每个异常序列都视为一个事件,再通过聚类分析查找出具有相同异常交易行为的股票,而这些股票所属的领域可以从实验室所研究的基于领域的知识图谱中找到,最后就判断出事件所影响到的时间域和空间域。本文对交易行为时空域的研究是为之后分析虚拟世界行为与现实世界行为的联系做准备。在实验部分也对股票贴吧(股吧)中各股的帖子量进行分析,这属于虚拟世界行为研究。最终找出由事件引发股民去发帖热议某一话题的股吧。将这个结果与由股票交易量分析出来的结果相比较,判断事件对两级世界的影响中存在的关系。
【关键词】：股票交易时间序列 数据挖掘 聚类分析 异常检测
【学位授予单位】：上海大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51
【目录】：

• 摘要6-7
• ABSTRACT7-12
• 第一章 绪论12-20
• 1.1 本文研究背景及意义12-13
• 1.2 国内外研究概况13-17
• 1.2.1 事件研究概况13-14
• 1.2.2 行为研究概况14-15
• 1.2.3 数据挖掘研究概况及在金融领域的应用15-17
• 1.3 本文研究内容17-18
• 1.4 论文的组织结构18-20
• 1.4.1 论文组织结构18-19
• 1.4.2 论文的框架结构图19-20
• 第二章 相关理论与时间序列数据挖掘技术20-38
• 2.1 事件对金融行业影响及相关行为的研究20-22
• 2.1.1 事件对金融行业影响20-21
• 2.1.2 相关行为研究21-22
• 2.2 时间序列22-24
• 2.2.1 金融时间序列22-23
• 2.2.2 交易行为时间序列23-24
• 2.3 数据挖掘功能及技术24-28
• 2.3.1 数据挖掘功能25-26
• 2.3.2 数据挖掘技术26-28
• 2.4 时间序列的数据挖掘技术28-37
• 2.4.1 时间序列分段表示28-29
• 2.4.2 时间序列相似性度量29-33
• 2.4.3 时间序列异常检测33-35
• 2.4.4 时间序列聚类35-37
• 2.5 本章小结37-38
• 第三章 交易行为时间序列的异常及聚类分析38-50
• 3.1 交易行为时间序列的分段与表示38-41
• 3.1.1 交易行为时间序列特征38
• 3.1.2 基于特殊极值点的时间序列分线段方法38-41
• 3.2 交易行为时间序列相似性度量41-43
• 3.2.1 交易行为时间序列特征表示41-42
• 3.2.2 线段的斜率和长度表示的时间序列的相似性度量42-43
• 3.3 交易行为时间序列异常检测43-46
• 3.3.1 事件相关定义44
• 3.3.2 交易行为时间序列异常检测44-46
• 3.4 交易行为时间序列聚类46-49
• 3.4.1 基于事件的交易行为时间序列聚类方法47-49
• 3.5 本章小结49-50
• 第四章 基于事件的交易行为时空域模型建立50-56
• 4.1 技术流程图50-51
• 4.2 基本定义51
• 4.3 交易行为异常检测51-53
• 4.3.1 交易行为中存在的异常51-52
• 4.3.2 交易行为时间序列异常检测52-53
• 4.4 基于事件的交易行为时空域模型53-55
• 4.4.1 用事件函数描述异常的交易行为53
• 4.4.2 基于事件的交易行为时空域53-55
• 4.5 本章小结55-56
• 第五章 实验结果及分析56-68
• 5.1 数据采集及处理56-57
• 5.2 股票交易量及贴吧帖子的数据特征57-59
• 5.2.1 股票交易量数据特征57-58
• 5.2.2 股吧帖子数据特征58-59
• 5.3 交易行为异常检测59-64
• 5.3.1 交易时间序列分线段表示59-62
• 5.3.2 交易时间序列异常检测62-63
• 5.3.3 用事件函数描述异常交易行为63-64
• 5.4 基于事件的交易行为空间域确定64-65
• 5.5 基于事件的现实世界行为与虚拟世界的行为比较65-68
• 第六章 结论与展望68-69
• 6.1 结论68
• 6.2 展望68-69
• 参考文献69-73
• 作者在攻读硕士学位期间公开发表的论文73-74
• 作者在攻读硕士学位期间所作的项目74-75
• 致谢75

【参考文献】

中国期刊全文数据库 前3条

1 肖辉,胡运发;基于分段时间弯曲距离的时间序列挖掘[J];计算机研究与发展;2005年01期

2 梁艳春,王政,周春光;模糊神经网络在时间序列预测中的应用[J];计算机研究与发展;1998年07期

3 贾澎涛;何华灿;刘丽;孙涛;;时间序列数据挖掘综述[J];计算机应用研究;2007年11期

中国硕士学位论文全文数据库 前1条

1 李大伟;数据挖掘在用户行为分析中的研究与应用[D];北京邮电大学;2009年

  本文关键词：基于事件的交易行为时空域分析，由笔耕文化传播整理发布。

本文编号：311495